TEDGlobal 2010
Steven Johnson: Where good ideas come from
סטיבן ג'ונסון: מהיכן באים הרעיונות המוצלחים
Filmed:
Readability: 4
4,960,715 views
אנשים לעיתים קרובות זוקפים את הרעיונות שלהם לזכות רגעי השראה בדידים. אבל סטיבן ג'ונסון מראה כיצד ההיסטוריה מספרת לנו משהו אחר. הסיור המרתק שלו לוקח אותנו מ"רשתות נוזלים" של בתי-הקפה בלונדון דרך החיפוש האיטי והארוך של צ'רלס דארווין, אל רשת האינטרנט המהירה של היום.
Steven Johnson - Writer
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Double-click the English transcript below to play the video.
00:15
Just a few minutes ago, I took this picture
0
0
3000
רק לפני מספר דקות, צילמתי תמונה זו
00:18
about 10 blocks from here.
1
3000
2000
במרחק 10 בניינים מכאן.
00:20
This is the Grand Cafe here in Oxford.
2
5000
3000
זהו הגרנד קפה כאן באוקספורד.
00:23
I took this picture because this turns out to be
3
8000
3000
צילמתי את התמונה מכיוון שמתברר שזה
00:26
the first coffeehouse to open
4
11000
2000
היה בית-הקפה הראשון שנפתח
00:28
in England in 1650.
5
13000
2000
באנגליה ב-1650.
00:30
That's its great claim to fame,
6
15000
2000
מכאן עיקר פרסומו.
00:32
and I wanted to show it to you,
7
17000
2000
ורציתי להראות לכם את זה,
00:34
not because I want to give you the kind of Starbucks tour
8
19000
2000
לא בגלל שרציתי לערוך לכם הכרות עם סטארבוקס
00:36
of historic England,
9
21000
2000
של אנגליה ההיסטורית,
00:38
but rather because
10
23000
2000
אלא בגלל
00:40
the English coffeehouse was crucial
11
25000
2000
שבית-הקפה האנגלי היה קריטי
00:42
to the development and spread
12
27000
3000
להתפתחותה והתפשטותה
00:45
of one of the great intellectual flowerings of the last 500 years,
13
30000
3000
של אחת מהפריחות האינטלקטואליות הגדולות של 500 השנים האחרונות,
00:48
what we now call the Enlightenment.
14
33000
3000
מה שמכונה היום "תקופת ההשכלה".
00:51
And the coffeehouse played such a big role
15
36000
2000
ובית-הקפה מילא תפקיד כל-כך משמעותי
00:53
in the birth of the Enlightenment,
16
38000
2000
בהולדתה של "תקופת ההשכלה",
00:55
in part, because of what people were drinking there.
17
40000
2000
בחלקו, בגלל מה שאנשים נהגו לשתות שם.
00:57
Because, before the spread
18
42000
3000
מכיוון שלפני התפשטותם
01:00
of coffee and tea through British culture,
19
45000
3000
של הקפה והתה בתרבות הבריטית,
01:03
what people drank -- both elite and mass folks drank --
20
48000
3000
מה שאנשים שתו -- גם האליטה וגם ההמונים --
01:06
day-in and day-out, from dawn until dusk
21
51000
2000
בתחילת היום ובסופו, מבוקר עד ערב,
01:08
was alcohol.
22
53000
2000
היה אלכוהול.
01:10
Alcohol was the daytime beverage of choice.
23
55000
2000
אלכוהול היה המשקה המועדף בשעות היום.
01:12
You would drink a little beer with breakfast and have a little wine at lunch,
24
57000
3000
היו שותים קצת בירה בארוחת-בוקר וקצת יין בארוחת-צהריים,
01:15
a little gin -- particularly around 1650 --
25
60000
3000
וקצת ג'ין -- במיוחד בסביבות 1650 --
01:18
and top it off with a little beer and wine at the end of the day.
26
63000
2000
ומסיימים את הכל עם קצת בירה ויין בסוף היום.
01:20
That was the healthy choice -- right --
27
65000
2000
זו היתה הבחירה הבריאה,
01:22
because the water wasn't safe to drink.
28
67000
2000
מכיוון שזה לא היה בטוח לשתות מים.
01:24
And so, effectively until the rise of the coffeehouse,
29
69000
3000
וכך, בפועל, עד לעלייתם של בתי-הקפה,
01:27
you had an entire population
30
72000
2000
האוכלוסייה כולה
01:29
that was effectively drunk all day.
31
74000
3000
היתה למעשה שתויה כל היום.
01:32
And you can imagine what that would be like, right, in your own life --
32
77000
2000
ואתם יכולים לדמיין איך זה יכול היה להיות אצלכם --
01:34
and I know this is true of some of you --
33
79000
2000
ואני יודע שזה נכון לגבי חלקכם --
01:36
if you were drinking all day,
34
81000
3000
אם הייתם שותים כל היום,
01:39
and then you switched from a depressant to a stimulant in your life,
35
84000
3000
ואז הייתם עוברים מסם הרגעה לחומר ממריץ,
01:42
you would have better ideas.
36
87000
2000
היו לכם רעיונות יותר טובים.
01:44
You would be sharper and more alert.
37
89000
2000
הייתם יותר חדים ויותר ערניים.
01:46
And so it's not an accident that a great flowering of innovation happened
38
91000
3000
ולכן אין זה מקרה שהפריחה הגדולה של חדשנות התרחשה
01:49
as England switched to tea and coffee.
39
94000
3000
כאשר אנגליה עברה לתה וקפה.
01:52
But the other thing that makes the coffeehouse important
40
97000
3000
אבל הדבר האחר שהופך את בית-הקפה לחשוב
01:55
is the architecture of the space.
41
100000
2000
הוא מבנה המרחב.
01:57
It was a space where people would get together
42
102000
2000
זה היה המרחב בו אנשים
01:59
from different backgrounds,
43
104000
2000
מרקעים שונים, עם תחומי התמחות שונים,
02:01
different fields of expertise, and share.
44
106000
2000
התאספו ושיתפו פעולה.
02:03
It was a space, as Matt Ridley talked about, where ideas could have sex.
45
108000
3000
זה היה מרחב, כפי שמאט רידלי סיפר עליו, ששם רעיונות יכלו להזדווג.
02:06
This was their conjugal bed, in a sense --
46
111000
2000
במובן מסויים, זו היתה המיטה הזוגית שלהם.
02:08
ideas would get together there.
47
113000
2000
הרעיונות היו מתכנסים שם.
02:10
And an astonishing number of innovations from this period
48
115000
3000
ולמספר מדהים של המצאות מאותה תקופה
02:13
have a coffeehouse somewhere in their story.
49
118000
3000
יש בהיסטוריה שלהם איזה בית-קפה היכן שהוא.
02:16
I've been spending a lot of time thinking about coffeehouses
50
121000
3000
ביליתי המון זמן במחשבות על בתי-קפה
02:19
for the last five years,
51
124000
2000
בחמש השנים האחרונות,
02:21
because I've been kind of on this quest
52
126000
2000
כי הייתי במין מסע חיפוש כזה
02:23
to investigate this question
53
128000
2000
כדי לחקור את השאלה הזו
02:25
of where good ideas come from.
54
130000
2000
של מהיכן באים רעיונות מוצלחים.
02:27
What are the environments
55
132000
2000
מהן הסביבות
02:29
that lead to unusual levels of innovation,
56
134000
3000
המובילות לרמות יוצאות-דופן של חדשנות,
02:32
unusual levels of creativity?
57
137000
3000
לרמות יוצאות-דופן של יצירתיות?
02:35
What's the kind of environmental --
58
140000
2000
מהו סוג הסביבה --
02:37
what is the space of creativity?
59
142000
2000
מהו מרחב היצירתיות?
02:39
And what I've done is
60
144000
2000
ומה שעשיתי הוא,
02:41
I've looked at both environments like the coffeehouse;
61
146000
2000
התבוננתי בשתי הסביבות כמו בית-הקפה;
02:43
I've looked at media environments, like the world wide web,
62
148000
2000
התבוננתי בסביבות של אמצעי התקשורת, כמו האינטרנט,
02:45
that have been extraordinarily innovative;
63
150000
2000
שהם חדשניים בצורה יוצאת דופן;
02:47
I've gone back to the history of the first cities;
64
152000
3000
חזרתי אחורה להיסטוריה של הערים הראשונות;
02:50
I've even gone to biological environments,
65
155000
2000
הלכתי אפילו לסביבות ביולוגיות,
02:52
like coral reefs and rainforests,
66
157000
2000
כמו שוניות אלמוגים ויערות גשם,
02:54
that involve unusual levels of biological innovation;
67
159000
3000
שיש בהם רמות בלתי רגילות של חדשנות ביולוגית;
02:57
and what I've been looking for is shared patterns,
68
162000
3000
ומה שחיפשתי זה תבניות משותפות,
03:00
kind of signature behavior that shows up
69
165000
2000
מן התנהגות מפתח המופיעה
03:02
again and again in all of these environments.
70
167000
3000
שוב ושוב בכל הסביבות הללו.
03:05
Are there recurring patterns that we can learn from,
71
170000
3000
האם ישנן תבניות החוזרות על עצמן שניתן ללמוד מהן,
03:08
that we can take and kind of apply to our own lives,
72
173000
2000
שאנחנו יכולים ליישם בחיינו שלנו,
03:10
or our own organizations,
73
175000
2000
או בארגונים שלנו,
03:12
or our own environments to make them more creative and innovative?
74
177000
2000
או בסביבות שלנו כדי להפכן ליותר יצירתיות וחדשניות?
03:14
And I think I've found a few.
75
179000
2000
ואני חושב שמצאתי כמה.
03:16
But what you have to do to make sense of this
76
181000
3000
אבל מה שעליכם לעשות כדי לעשות בזה סדר
03:19
and to really understand these principles
77
184000
2000
וכדי באמת להבין את העקרונות הללו,
03:21
is you have to do away
78
186000
2000
זה לחשוב הרבה,
03:23
with a lot of the way in which our conventional metaphors and language
79
188000
3000
הרבה על הדרך שבה הדימויים והשפה הרגילים שלנו
03:26
steers us towards
80
191000
2000
מובילים אותנו אל עבר
03:28
certain concepts of idea-creation.
81
193000
2000
תפיסות מסויימות של יצירת רעיונות.
03:30
We have this very rich vocabulary
82
195000
2000
יש לנו אוצר מילים רחב מאוד
03:32
to describe moments of inspiration.
83
197000
2000
כדי לתאר רגעים של השראה.
03:34
We have the kind of the flash of insight,
84
199000
3000
יש לנו מין הבזק של תובנה,
03:37
the stroke of insight,
85
202000
2000
מכת תובנות,
03:39
we have epiphanies, we have "eureka!" moments,
86
204000
3000
יש לנו התגלויות, יש לנו רגעי "גיליתי, מצאתי!",
03:42
we have the lightbulb moments, right?
87
207000
2000
יש לנו רגעי הארה.
03:44
All of these concepts,
88
209000
2000
כל המושגים הללו,
03:46
as kind of rhetorically florid as they are,
89
211000
3000
מליציים באופן רטורי כפי שהם,
03:49
share this basic assumption,
90
214000
2000
עומדים על ההנחה הבסיסית המשותפת
03:51
which is that an idea is a single thing,
91
216000
3000
שרעיון זה דבר בדיד,
03:54
it's something that happens often
92
219000
2000
שזה משהו שמתרחש בדרך-כלל
03:56
in a wonderful illuminating moment.
93
221000
3000
ברגע קסום של הארה.
03:59
But in fact, what I would argue and what you really need to kind of begin with
94
224000
3000
אבל למעשה, מה שאני טוען, ומה שעליכם להתחיל איתו,
04:02
is this idea that an idea is a network
95
227000
3000
הוא התפיסה שרעיון הינו רשת
04:05
on the most elemental level.
96
230000
2000
ברמה הבסיסית ביותר.
04:07
I mean, this is what is happening inside your brain.
97
232000
2000
כוונתי שזה מה שמתרחש במוחנו.
04:09
An idea -- a new idea -- is a new network of neurons
98
234000
3000
רעיון, רעיון חדש, הוא רשת של תאי-עצב
04:12
firing in sync with each other inside your brain.
99
237000
3000
הנדלקים בתיאום האחד עם השני במוחנו.
04:15
It's a new configuration that has never formed before.
100
240000
3000
זהו מבנה חדש שמעולם לא היה קיים קודם.
04:18
And the question is: how do you get your brain into environments
101
243000
3000
והשאלה היא: כיצד אנו מביאים את מוחנו אל תוך סביבות
04:21
where these new networks are going to be more likely to form?
102
246000
3000
ששם יש סיכויים יותר גבוהים שרשתות כאלה תיווצרנה?
04:24
And it turns out that, in fact, the kind of network patterns of the outside world
103
249000
3000
ומתברר שלמעשה, סוגי תבניות הרשת בעולם החיצוני
04:27
mimic a lot of the network patterns
104
252000
2000
מחקות הרבה מן תבניות הרשת
04:29
of the internal world of the human brain.
105
254000
3000
שבעולם הפנימי של המוח האנושי.
04:32
So the metaphor I'd like the use
106
257000
2000
כך שהדימוי שהייתי רוצה להשתמש,
04:34
I can take
107
259000
2000
אקח אותו
04:36
from a story of a great idea that's quite recent --
108
261000
3000
מסיפור של רעיון גדול שהוא די חדש --
04:39
a lot more recent than the 1650s.
109
264000
3000
הרבה אחרי 1650.
04:43
A wonderful guy named Timothy Prestero,
110
268000
2000
אדם נפלא ששמו טימותי פרסטרו,
04:45
who has a company called ... an organization called Design That Matters.
111
270000
3000
שיש לו חברה הנקראת.... ארגון ששמו "עיצוב שעושה את ההבדל".
04:48
They decided to tackle this really pressing problem
112
273000
3000
הם החליטו להתמודד עם בעיה ממש לוחצת
04:53
of, you know, the terrible problems we have with infant mortality rates
113
278000
2000
שהיא הבעיה הנוראית שיש לנו עם תמותת תינוקות
04:55
in the developing world.
114
280000
2000
במדינות המתפתחות.
04:57
One of the things that's very frustrating about this is that we know,
115
282000
3000
אחד הדברים המאוד מתסכלים בנושא זה הוא שאנו יודעים,
05:00
by getting modern neonatal incubators
116
285000
3000
שעל-ידי שימוש באינקובטורים ליילודים
05:03
into any context,
117
288000
2000
בכל תנאי שהוא,
05:05
if we can keep premature babies warm, basically -- it's very simple --
118
290000
3000
אם אנו יכולים לשמור על חום גופם של פגים -- זה מאוד פשוט --
05:08
we can halve infant mortality rates in those environments.
119
293000
3000
נוכל להפחית בחצי את אחוז תמותת תינוקות באזורים אלו.
05:11
So, the technology is there.
120
296000
2000
כך שהטכנולוגיה קיימת.
05:13
These are standard in all the industrialized worlds.
121
298000
3000
אלו הם הסטנדרטים בכל העולם המתועש.
05:16
The problem is, if you buy a $40,000 incubator,
122
301000
3000
הבעיה היא שאם רוכשים אינקובטור ב-40,000 דולר,
05:19
and you send it off
123
304000
2000
ומעבירים אותו
05:21
to a mid-sized village in Africa,
124
306000
2000
לכפר בגודל בינוני באפריקה,
05:23
it will work great for a year or two years,
125
308000
2000
הוא יפעל היטב לשנה, או שנתיים,
05:25
and then something will go wrong and it will break,
126
310000
3000
ואז משהו יתקלקל,
05:28
and it will remain broken forever,
127
313000
2000
והוא יישאר מקולקל לתמיד,
05:30
because you don't have a whole system of spare parts,
128
315000
3000
מפני שאין שם את כל המערכת של חלקי חילוף,
05:33
and you don't have the on-the-ground expertise
129
318000
2000
ואין שם אנשים היודעים
05:35
to fix this $40,000 piece of equipment.
130
320000
2000
לתקן ציוד השווה 40,000 דולר.
05:37
And so you end up having this problem where you spend all this money
131
322000
2000
וכך נשארים עם הבעיה שבזבזנו את הכסף
05:39
getting aid and all these advanced electronics to these countries,
132
324000
3000
כדי להביא עזרה ואת כל המיכשור האלקטרוני המתקדם לכל המדינות הללו,
05:42
and then it ends up being useless.
133
327000
2000
ובסופו של דבר הוא נשאר ללא שימוש.
05:44
So what Prestero and his team decided to do
134
329000
2000
אז מה שפרסטרו וצוותו החליטו לעשות
05:46
is to look around and see: what are the abundant resources
135
331000
3000
הוא להסתכל סביב ולראות: איזה משאבים קיימים בשפע
05:49
in these developing world contexts?
136
334000
2000
במדינות המתפתחות הללו?
05:51
And what they noticed was they don't have a lot of DVRs,
137
336000
3000
והם שמו לב שאין להם הרבה מכשירי די.וי.די.,
05:54
they don't have a lot of microwaves,
138
339000
2000
אין להם הרבה מיקרוגלים,
05:56
but they seem to do a pretty good job of keeping their cars on the road.
139
341000
3000
אבל נראה שהם עושים עבודה טובה בהחזקת מכוניותיהם על הכביש.
05:59
There's a Toyota Forerunner
140
344000
2000
רואים טויוטה פור-ראנר
06:01
on the street in all these places.
141
346000
2000
על הכבישים בכל המקומות האלה.
06:03
They seem to have the expertise to keep cars working.
142
348000
3000
נראה שיש להם היכולת לשמור שהמכוניות תסענה.
06:06
So they started to think,
143
351000
2000
אז הם החלו לחשוב,
06:08
"Could we build a neonatal incubator
144
353000
2000
"האם נוכל לבנות אינקובטור
06:10
that's built entirely out of automobile parts?"
145
355000
3000
שעשוי כולו מחלקי מכוניות?"
06:13
And this is what they ended up coming with.
146
358000
2000
ואז זה מה שהם בנו.
06:15
It's called a "neonurture device."
147
360000
2000
זה נקרא התקן ניאו-טיפוח.
06:17
From the outside, it looks like a normal little thing
148
362000
2000
מבחוץ הוא נראה כדבר רגיל
06:19
you'd find in a modern, Western hospital.
149
364000
2000
שמוצאים בבתי-חולים במערב.
06:21
In the inside, it's all car parts.
150
366000
2000
מבפנים הוא כולו עשוי מחלקי מכוניות.
06:23
It's got a fan, it's got headlights for warmth,
151
368000
2000
יש לו מאוורר, יש לו חימום מפנסים ראשיים,
06:25
it's got door chimes for alarm --
152
370000
2000
יש לו פעמוני דלתות בשביל אזעקה.
06:27
it runs off a car battery.
153
372000
2000
הוא פועל על מצבר של מכונית.
06:29
And so all you need is the spare parts from your Toyota
154
374000
2000
וכך כל מה שצריך זה חלקי חילוף של טויוטה
06:31
and the ability to fix a headlight,
155
376000
2000
והיכולת לתקן פנסים ראשיים,
06:33
and you can repair this thing.
156
378000
2000
ואז ניתן לתקן את הדבר הזה.
06:35
Now, that's a great idea, but what I'd like to say is that, in fact,
157
380000
3000
כעת, זה אכן רעיון גדול, אבל מה שהייתי רוצה לומר שלמעשה
06:38
this is a great metaphor for the way that ideas happen.
158
383000
2000
זוהי מטפורה נהדרת לדרך בה נולדים רעיונות.
06:40
We like to think our breakthrough ideas, you know,
159
385000
2000
נדמה לנו שרעיונות פורצי-הדרך שלנו,
06:42
are like that $40,000, brand new incubator,
160
387000
2000
הם כמו האינקובטור ההוא ששווה 40,000 דולר,
06:44
state-of-the-art technology,
161
389000
2000
חזית הטכנולוגיה,
06:46
but more often than not, they're cobbled together
162
391000
2000
אבל לעיתים יותר קרובות, הם מאוגדים ביחד בתפרים גסים
06:48
from whatever parts that happen to be around nearby.
163
393000
2000
מכל מיני חלקים מזדמנים שנמצאו במקרה בסביבה.
06:50
We take ideas from other people,
164
395000
2000
אנו נוטלים רעיונות מאנשים אחרים,
06:52
from people we've learned from, from people we run into in the coffee shop,
165
397000
3000
מאנשים שלמדנו מהם, מאנשים שנתקלים בהם בבית-קפה,
06:55
and we stitch them together into new forms and we create something new.
166
400000
3000
ואנו תופרים אותם ביחד לצורה חדשה, וכך יוצרים משהו חדש.
06:58
That's really where innovation happens.
167
403000
3000
ואכן כאן באמת נוצרים החידושים.
07:01
And that means that we have to change some of our models
168
406000
2000
וכל זה אומר שעלינו לשנות חלק מהמודלים שלנו
07:03
of what innovation and deep thinking really looks like, right.
169
408000
3000
על כיצד באמת נראות חדשנות וחשיבה עמוקה.
07:06
I mean, this is one vision of it.
170
411000
2000
כלומר, זהו מבט אחד מסויים על הנושא.
07:08
Another is Newton and the apple, when Newton was at Cambridge.
171
413000
3000
האחר הוא ניוטון והתפוח, כאשר ניוטון היה בקיימברידג'.
07:11
This is a statue from Oxford.
172
416000
2000
זהו פסל מאוקספורד.
07:13
You know, you're sitting there thinking a deep thought,
173
418000
2000
מישהו יושב שם ומתעמק במחשבותיו,
07:15
and the apple falls from the tree, and you have the theory of gravity.
174
420000
3000
והתפוח נופל מהעץ, ויש לנו תאוריית הכבידה.
07:18
In fact, the spaces that have historically led to innovation
175
423000
3000
בעצם, המרחבים שהיסטורית הובילו להמצאות
07:21
tend to look like this, right.
176
426000
2000
נוטים יותר להיראות כך.
07:23
This is Hogarth's famous painting of a kind of political dinner at a tavern,
177
428000
3000
זהו ציורו המפורסם של הוגארת', מין ארוחה פוליטית בפונדק,
07:26
but this is what the coffee shops looked like back then.
178
431000
3000
אבל כך נראו בתי-הקפה אז.
07:29
This is the kind of chaotic environment
179
434000
2000
זוהי מין סביבה מבולגנת שכזו
07:31
where ideas were likely to come together,
180
436000
2000
שבה רעיונות היו עשויים להתכנס,
07:33
where people were likely to have
181
438000
2000
שבה לאנשים עשויות היו להיות
07:35
new, interesting, unpredictable collisions -- people from different backgrounds.
182
440000
3000
היתקלויות מעניינות, לא-צפויות -- אנשים מרקעים שונים.
07:38
So, if we're trying to build organizations that are more innovative,
183
443000
2000
כך שאם רוצים ארגונים יותר חדשניים,
07:40
we have to build spaces that -- strangely enough -- look a little bit more like this.
184
445000
3000
עלינו לבנות מרחבים, שבאופן די מוזר, נראים קצת יותר כמו זה.
07:43
This is what your office should look like,
185
448000
2000
כך צריך להיראות המשרד שלכם,
07:45
is part of my message here.
186
450000
2000
שזהו חלק מהמסר שלי כאן.
07:47
And one of the problems with this is that
187
452000
2000
ואחת הבעיות עם זה
07:49
people are actually -- when you research this field --
188
454000
3000
אנשים למעשה -- כאשר חוקרים תחום זה --
07:52
people are notoriously unreliable,
189
457000
2000
אנשים באופן מצער בלתי-אמינים,
07:54
when they actually kind of self-report
190
459000
2000
כאשר הם מספרים בעצמם
07:56
on where they have their own good ideas,
191
461000
2000
מהיכן באים הרעיונות המוצלחים שלהם,
07:58
or their history of their best ideas.
192
463000
2000
או על היסטוריית הרעיונות הכי טובים שלהם.
08:00
And a few years ago, a wonderful researcher named Kevin Dunbar
193
465000
3000
לפני מספר שנים, חוקר נפלא בשם קווין דנבאר
08:03
decided to go around
194
468000
2000
החליט
08:05
and basically do the Big Brother approach
195
470000
2000
ובעצם אימץ את גישת ה"אח הגדול"
08:07
to figuring out where good ideas come from.
196
472000
2000
כדי למצוא מהיכן באים רעיונות מוצלחים.
08:09
He went to a bunch of science labs around the world
197
474000
3000
הוא הלך למספר מעבדות מדעיות ברחבי העולם
08:12
and videotaped everyone
198
477000
2000
וצילם שם בוידאו כל אחד ואחד
08:14
as they were doing every little bit of their job.
199
479000
2000
בעוד הם עושים את מלאכתם.
08:16
So when they were sitting in front of the microscope,
200
481000
2000
כך היה כאשר הם ישבו ליד מיקרוסקופ,
08:18
when they were talking to their colleague at the water cooler, and all these things.
201
483000
2000
כאשר הם שוחחו עם עמיתיהם ליד הקולר מים וכו'.
08:20
And he recorded all of these conversations
202
485000
2000
והוא הקליט את כל השיחות
08:22
and tried to figure out where the most important ideas,
203
487000
2000
וניסה להבין איפה הרעיונות הכי חשובים,
08:24
where they happened.
204
489000
2000
איפה הם נוצרו.
08:26
And when we think about the classic image of the scientist in the lab,
205
491000
3000
וכאשר אנו חושבים על הדמות הקלאסית של מדען במעבדה,
08:29
we have this image -- you know, they're pouring over the microscope,
206
494000
3000
יש לנו את התמונה הזו -- הוא שפוף מעל המיקרוסקופ
08:32
and they see something in the tissue sample.
207
497000
2000
והוא רואה משהו בדוגמית של הריקמה.
08:34
And "oh, eureka," they've got the idea.
208
499000
3000
ואז "גיליתי, מצאתי!", יש לו את הרעיון.
08:37
What happened actually when Dunbar kind of looked at the tape
209
502000
3000
מה שקרה בפועל כאשר דנבאר צפה בהקלטה
08:40
is that, in fact, almost all of the important breakthrough ideas
210
505000
3000
הוא שבעצם כמעט כל הרעיונות החשובים פורצי-הדרך
08:43
did not happen alone in the lab, in front of the microscope.
211
508000
3000
לא נוצרו לבד במעבדה, ליד המיקרוסקופ.
08:46
They happened at the conference table
212
511000
2000
הם נוצרו ליד שולחן הכינוסים,
08:48
at the weekly lab meeting,
213
513000
2000
בפגישת המעבדה השבועית,
08:50
when everybody got together and shared their kind of latest data and findings,
214
515000
3000
כאשר כולם התאספו ביחד וחלקו את ממצאיהם ונתוניהם האחרונים,
08:53
oftentimes when people shared the mistakes they were having,
215
518000
2000
לעיתים מזומנות, כאשר אנשים חלקו
08:55
the error, the noise in the signal they were discovering.
216
520000
3000
את השגיאות שהם קיבלו, את הרעש באות שהם גילו.
08:58
And something about that environment --
217
523000
3000
ומשהו לגבי אותה סביבה --
09:01
and I've started calling it the "liquid network,"
218
526000
2000
התחלתי לקרוא לה "רשת נוזלים",
09:03
where you have lots of different ideas that are together,
219
528000
3000
היכן שיש המון רעיונות מכונסים ביחד,
09:06
different backgrounds, different interests,
220
531000
2000
רקעים שונים, אינטרסים שונים,
09:08
jostling with each other, bouncing off each other --
221
533000
2000
נתקלים אחד בשני, מקפצים מהאחד לשני --
09:10
that environment is, in fact,
222
535000
2000
סביבה שהיא, למעשה,
09:12
the environment that leads to innovation.
223
537000
2000
הסביבה שמובילה להמצאה.
09:14
The other problem that people have
224
539000
2000
הבעיה האחרת היא
09:16
is they like to condense their stories of innovation down
225
541000
2000
שאנשים אוהבים לתמצת את סיפורי ההמצאות שלהם
09:18
to kind of shorter time frames.
226
543000
2000
למסגרת זמנים יותר קצרה.
09:20
So they want to tell the story of the "eureka!" moment.
227
545000
3000
הם רוצים לספר את סיפור רגע ה"גיליתי, מצאתי!".
09:23
They want to say, "There I was, I was standing there
228
548000
2000
הם רוצים לומר, "הנה כאן הייתי, עמדתי כאן
09:25
and I had it all suddenly clear in my head."
229
550000
2000
ופתאום הכל נהיה לי ברור בראש."
09:27
But in fact, if you go back and look at the historical record,
230
552000
3000
אבל למעשה, אם תחזרו ותסתכלו ברשומות ההיסטוריה,
09:30
it turns out that a lot of important ideas
231
555000
3000
מתברר שהרבה רעיונות חשובים
09:33
have very long incubation periods --
232
558000
3000
עוברים תקופות דגירה ארוכות.
09:36
I call this the "slow hunch."
233
561000
2000
אני מכנה זאת "אינטואיציה איטית".
09:38
We've heard a lot recently
234
563000
2000
שמענו הרבה לאחרונה
09:40
about hunch and instinct
235
565000
2000
על תחושה ואינסטינקט
09:42
and blink-like sudden moments of clarity,
236
567000
3000
ורגעי בהירות פתאומיים דמויי הבזק,
09:45
but in fact, a lot of great ideas
237
570000
2000
אבל למעשה, הרבה מהרעיונות הגדולים
09:47
linger on, sometimes for decades,
238
572000
2000
משתהים, לפעמים במשך עשורים,
09:49
in the back of people's minds.
239
574000
2000
בצידו האחורי של המוח האנושי.
09:51
They have a feeling that there's an interesting problem,
240
576000
2000
לאנשים יש הרגשה שקיימת בעיה מעניינת,
09:53
but they don't quite have the tools yet to discover them.
241
578000
3000
אבל אין להם עדיין די כלים כדי לגלותה.
09:56
They spend all this time working on certain problems,
242
581000
3000
הם מעבירים את כל הזמן הזה בעבודה על בעיות מסויימות,
09:59
but there's another thing lingering there
243
584000
2000
אבל יש דבר אחר תלוי ועומד
10:01
that they're interested in, but they can't quite solve.
244
586000
2000
שהם מעוניינים בו, אבל הם לא בדיוק מצליחים לפותרו.
10:03
Darwin is a great example of this.
245
588000
2000
דארווין הוא דוגמא טובה לכך.
10:05
Darwin himself, in his autobiography,
246
590000
2000
דארווין עצמו, באוטוביוגרפיה שלו,
10:07
tells the story of coming up with the idea
247
592000
2000
מספר את סיפור הרעיון שעולה
10:09
for natural selection
248
594000
2000
על ברירה טבעית
10:11
as a classic "eureka!" moment.
249
596000
2000
בתור רגע קלאסי של "גיליתי, מצאתי!".
10:13
He's in his study,
250
598000
2000
הוא עסוק במחקרו,
10:15
it's October of 1838,
251
600000
2000
השנה היא 1838,
10:17
and he's reading Malthus, actually, on population.
252
602000
2000
והוא קורא את מאלטהוס, על אוכלוסיה.
10:19
And all of a sudden,
253
604000
2000
ופתאום,
10:21
the basic algorithm of natural selection kind of pops into his head
254
606000
3000
ההיגיון הבסיסי של ברירה טבעית צץ בראשו,
10:24
and he says, "Ah, at last, I had a theory with which to work."
255
609000
3000
והוא אומר, "או, סוף סוף היתה לי תאוריה שיכלתי לעבוד איתה."
10:27
That's in his autobiography.
256
612000
2000
זה כתוב באוטוביוגרפיה שלו.
10:29
About a decade or two ago,
257
614000
2000
לפני עשור או שניים,
10:31
a wonderful scholar named Howard Gruber went back
258
616000
2000
מלומד בשם האוורד גרובר חזר
10:33
and looked at Darwin's notebooks from this period.
259
618000
3000
ובחן את מחברותיו של דארווין מאותה תקופה.
10:36
And Darwin kept these copious notebooks
260
621000
2000
ודארווין שמר את המחברות שופעות המידע הללו
10:38
where he wrote down every little idea he had, every little hunch.
261
623000
3000
בהן הוא רשם כל רעיון מעורפל שהיה לו, כל תחושה קטנה.
10:41
And what Gruber found was
262
626000
2000
ומה שגרובר מצא היה
10:43
that Darwin had the full theory of natural selection
263
628000
3000
שלדארווין היתה תאוריה שלמה על ברירה טבעית
10:46
for months and months and months
264
631000
2000
במשך חודשים על-גבי חודשים על-גבי חודשים
10:48
before he had his alleged epiphany,
265
633000
2000
לפני שהיה לו כביכול רגע ההארה,
10:50
reading Malthus in October of 1838.
266
635000
3000
שהתרחש כביכול בזמן קריאת מאלטהוס ב-1838.
10:53
There are passages where you can read it,
267
638000
2000
הנה קטעים שניתן לקרוא אותם,
10:55
and you think you're reading from a Darwin textbook,
268
640000
3000
ונראה כאילו שאנו קוראים מספר-לימוד של דארווין,
10:58
from the period before he has this epiphany.
269
643000
3000
מהתקופה שלפני התרחשות ההארה שלו.
11:01
And so what you realize is that Darwin, in a sense,
270
646000
2000
ואז מה שמגלים הוא שדארווין, במובן מסויים,
11:03
had the idea, he had the concept,
271
648000
2000
היה לו את הרעיון, היה לו המושג,
11:05
but was unable of fully thinking it yet.
272
650000
3000
אבל עדיין לא היה מסוגל לחשוב על זה במלואו.
11:08
And that is actually how great ideas often happen;
273
653000
3000
וכך בעצם נוצרים רעיונות גדולים;
11:11
they fade into view over long periods of time.
274
656000
2000
הם נמוגים למשך תקופה ארוכה.
11:13
Now the challenge for all of us is:
275
658000
2000
האתגר של כולנו הוא:
11:15
how do you create environments
276
660000
2000
כיצד ליצור סביבות
11:17
that allow these ideas to have this kind of long half-life, right?
277
662000
2000
המאפשרות לרעיונות הללו סוג כזה של מחצית-חיים ארוכה?
11:19
It's hard to go to your boss and say,
278
664000
2000
זה לא קל ללכת לבוס שלך ולומר,
11:21
"I have an excellent idea for our organization.
279
666000
2000
"יש לי רעיון מצויין בשביל הארגון שלנו.
11:23
It will be useful in 2020.
280
668000
3000
הוא יהיה שימושי ב-2020.
11:26
Could you just give me some time to do that?"
281
671000
2000
האם תוכל לתת לי קצת זמן בשבילו?"
11:28
Now a couple of companies -- like Google --
282
673000
2000
בכמה ארגונים, כמו גוגל,
11:30
they have innovation time off, 20 percent time,
283
675000
2000
יש להם פסקי-זמן להמצאות, 20 אחוז מהזמן,
11:32
where, in a sense, those are hunch-cultivating mechanisms in an organization.
284
677000
3000
שזה, במובן מסויים, מנגנון לטיפוח האינטואיציה בארגון.
11:35
But that's a key thing.
285
680000
3000
אבל זו נקודת מפתח.
11:38
And the other thing is to allow those hunches
286
683000
2000
והדבר השני הוא לאפשר לאינטואיציות הללו
11:40
to connect with other people's hunches; that's what often happens.
287
685000
3000
לבוא במגע עם אינטואיציות של אנשים אחרים; זה מה שקורה לעיתים קרובות.
11:43
You have half of an idea, somebody else has the other half,
288
688000
2000
לך יש חצי רעיון, למישהו אחר יש את החצי השני,
11:45
and if you're in the right environment,
289
690000
2000
ואם אתם בסביבה הנכונה,
11:47
they turn into something larger than the sum of their parts.
290
692000
2000
הם הופכים למשהו יותר גדול מאשר סכום חלקיהם.
11:49
So, in a sense,
291
694000
2000
כך שבמובן מסויים,
11:51
we often talk about the value
292
696000
2000
אנו מדברים לעיתים על הערך
11:53
of protecting intellectual property,
293
698000
2000
של ההגנה על קניין רוחני,
11:55
you know, building barricades,
294
700000
2000
אתם יודעים, בונים מחסומים,
11:57
having secretive R&D labs, patenting everything that we have,
295
702000
3000
מקימים מעבדות מחקר ופיתוח חשאיות, רושמים פטנט על כל דבר,
12:00
so that those ideas will remain valuable,
296
705000
3000
כדי שהרעיונות שלנו ישמרו על ערכם,
12:03
and people will be incentivized to come up with more ideas,
297
708000
2000
ואנשים יומרצו להעלות עוד רעיונות,
12:05
and the culture will be more innovative.
298
710000
3000
והתרבות תהיה יותר חדשנית.
12:08
But I think there's a case to be made
299
713000
2000
אבל אני חושב שהגיע הזמן לטעון
12:10
that we should spend at least as much time, if not more,
300
715000
3000
שעלינו לבלות לפחות את אותו הזמן, אם לא יותר,
12:13
valuing the premise of connecting ideas
301
718000
2000
בלרומם את הנחת היסוד של חיבור רעיונות
12:15
and not just protecting them.
302
720000
2000
ולא רק בהגנה עליהם.
12:17
And I'll leave you with this story,
303
722000
2000
ואסיים עם הסיפור הבא,
12:19
which I think captures a lot of these values,
304
724000
3000
שלפי דעתי מכיל חלק גדול מהערכים האלה,
12:22
and it's just wonderful kind of tale of innovation
305
727000
2000
והוא מין מעשייה נפלאה על המצאה,
12:24
and how it happens in unlikely ways.
306
729000
3000
וכיצד היא מתרחשת בדרכים בלתי סבירות.
12:27
It's October of 1957,
307
732000
3000
הזמן הוא אוקטובר 1957,
12:30
and Sputnik has just launched,
308
735000
2000
וספוטניק שוגרה לא מזמן,
12:32
and we're in Laurel Maryland,
309
737000
2000
ואנחנו נמצאים בלורל מרילנד,
12:34
at the applied physics lab
310
739000
2000
במעבדה לפיזיקה שימושית
12:36
associated with Johns Hopkins University.
311
741000
2000
הקשורה לאוניברסיטת ג'ונס הופקינס.
12:38
And it's Monday morning,
312
743000
2000
זהו בוקר יום שני,
12:40
and the news has just broken about this satellite
313
745000
2000
והחדשות הטריות מספרות על הלוויין הזה
12:42
that's now orbiting the planet.
314
747000
3000
שחג כעת סביב כדור-הארץ.
12:45
And of course, this is nerd heaven, right?
315
750000
2000
וכמובן זה תחום של חנונים, נכון?
12:47
There are all these physics geeks who are there thinking,
316
752000
2000
יש את כל המכורים האלה לפיזיקה אשר חושבים,
12:49
"Oh my gosh! This is incredible. I can't believe this has happened."
317
754000
3000
"הו אלוהים! זה לא ייאמן. אני לא יכול להאמין שזה קרה."
12:52
And two of them,
318
757000
2000
ושניים מהם,
12:54
two 20-something researchers at the APL
319
759000
2000
שני חוקרים בני 20 ומשהו במעבדה,
12:56
are there at the cafeteria table
320
761000
2000
יושבים ליד שולחן בקפיטריה
12:58
having an informal conversation with a bunch of their colleagues.
321
763000
3000
ומנהלים שיחת-חולין עם עמיתיהם.
13:01
And these two guys are named Guier and Weiffenbach.
322
766000
3000
ושמותיהם הם גואייר ו-ואיפנבאך.
13:04
And they start talking, and one of them says,
323
769000
2000
והם מתחילים לדבר, ואחד מהם שואל,
13:06
"Hey, has anybody tried to listen for this thing?
324
771000
2000
"מישהו ניסה להאזין לדבר הזה?
13:08
There's this, you know, man-made satellite up there in outer space
325
773000
3000
יש שם לוויין שאדם יצר, שם למעלה בחלל החיצון
13:11
that's obviously broadcasting some kind of signal.
326
776000
2000
שברור שהוא משדר איזה שהוא אות.
13:13
We could probably hear it, if we tune in."
327
778000
3000
קרוב לוודאי שהיינו יכולים לשמוע אותו, אם נתכוונן נכון."
13:16
And so they ask around to a couple of their colleagues,
328
781000
2000
ואז הם שואלים על הנושא כמה מהעמיתים שלהם,
13:18
and everybody's like, "No, I hadn't thought of doing that.
329
783000
2000
וכל אחד עונה משהו כמו, "לא, לא חשבתי לעשות את זה.
13:20
That's an interesting idea."
330
785000
2000
אבל זה רעיון מעניין."
13:22
And it turns out Weiffenbach is kind of an expert
331
787000
3000
וזה הופך את ואיפנבאך למין מומחה כזה
13:25
in microwave reception,
332
790000
2000
לקליטת מיקרו-גלים,
13:27
and he's got a little antennae set up
333
792000
2000
ואז הוא מציב אנטנה קטנה
13:29
with an amplifier in his office.
334
794000
2000
עם מגבר ששוכן בתוך משרדו.
13:31
And so Guier and Weiffenbach go back to Weiffenbach's office,
335
796000
2000
וכך גואייר וואיפנבאך הלכו למשרדו של ואיפנבאך,
13:33
and they start kind of noodling around -- hacking, as we might call it now.
336
798000
3000
והחלו לשחק עם המכשירים כדי לקלוט משהו -- היום היו קוראים להם האקרים.
13:36
And after a couple of hours, they actually start picking up the signal,
337
801000
3000
ולאחר מספר שעות, הם התחילו לעלות על האות,
13:39
because the Soviets made Sputnik
338
804000
2000
מאחר והסובייטים בנו את הספוטניק
13:41
very easy to track.
339
806000
2000
כך שיהיה קל מאוד לאתרה.
13:43
It was right at 20 MHz, so you could pick it up really easily,
340
808000
3000
זה היה בדיוק על 20 מגה-הרץ, כך שבאמת כל אחד יכול היה לעלות על זה,
13:46
because they were afraid that people would think it was a hoax, basically.
341
811000
2000
מפני שהם חששו שאנשים יחשבו שזו מתיחה.
13:48
So they made it really easy to find it.
342
813000
2000
לכן הם בנו את זה כך שיהיה קל לאתר.
13:50
So these two guys are sitting there listening to this signal,
343
815000
3000
וכך שני הברנשים האלה יושבים שם ומאזינים לאות,
13:53
and people start kind of coming into the office and saying,
344
818000
2000
ואנשים מתחילים להיכנס למשרד ולומר,
13:55
"Wow, that's pretty cool. Can I hear? Wow, that's great."
345
820000
3000
"וואו, זה די מדהים. האם אוכל להאזין? וואו, זה נפלא."
13:58
And before long, they think, "Well jeez, this is kind of historic.
346
823000
3000
ולפני שעובר זמן רב, הם מתחילים לחשוב, "יו, זה רגע הסיטורי.
14:01
We may be the first people in the United States to be listening to this.
347
826000
2000
אנו עשויים להיות הראשונים בארה"ב שמאזינים לזה.
14:03
We should record it."
348
828000
2000
אז עלינו להקליט זאת."
14:05
And so they bring in this big, clunky analog tape recorder
349
830000
2000
אז הם מכניסים את רשם-הקול האנלוגי הגדול והמסורבל הזה,
14:07
and they start recording these little bleep, bleeps.
350
832000
3000
ומתחילים להקליט את הביפים האלה.
14:10
And they start writing the kind of date stamp, time stamps
351
835000
3000
והם גם מתחילים לרשום את התאריך והזמן
14:13
for each little bleep that they record.
352
838000
3000
של כל ביפ שהם מקליטים.
14:16
And they they start thinking, "Well gosh, you know, we're noticing
353
841000
2000
והם מתחילים לחשוב, "וואו, אנו מבחינים
14:18
small little frequency variations here.
354
843000
3000
בשינויי תדירות קטנים כאן.
14:21
We could probably calculate the speed
355
846000
3000
נראה שנוכל לחשב את מהירות
14:24
that the satellite is traveling,
356
849000
2000
הטיסה של הלוויין,
14:26
if we do a little basic math here
357
851000
2000
אם נעשה חישובים פשוטים
14:28
using the Doppler effect."
358
853000
2000
תוך שימוש באפקט דופלר.
14:30
And then they played around with it a little bit more,
359
855000
2000
והם המשיכו לשחק קצת עם המערכת,
14:32
and they talked to a couple of their colleagues
360
857000
2000
והם דיברו עם כמה מעמיתיהם
14:34
who had other kind of specialties.
361
859000
2000
בעלי תחומי התמחות אחרים.
14:36
And they said, "Jeez, you know,
362
861000
2000
והם אמרו, "יו, אתם יודעים,
14:38
we think we could actually take a look at the slope of the Doppler effect
363
863000
2000
אולי נוכל להסתכל בשיפוע של אפקט הדופלר
14:40
to figure out the points at which
364
865000
2000
ולגלות את הנקודות שבהן
14:42
the satellite is closest to our antennae
365
867000
2000
הלוויין נמצא הכי קרוב לאנטנה שלנו
14:44
and the points at which it's farthest away.
366
869000
2000
והנקודות שבהן הוא הכי רחוק ממנה.
14:46
That's pretty cool."
367
871000
2000
זה די מדהים."
14:48
And eventually, they get permission --
368
873000
2000
ולבסוף, הם קיבלו אישור --
14:50
this is all a little side project that hadn't been officially part of their job description.
369
875000
3000
כל זה הוא משהו מן הצד שלא היה באופן רשמי חלק מהעבודה שלהם.
14:53
They get permission to use the new, you know, UNIVAC computer
370
878000
3000
הם מקבלים אישור להשתמש במחשב ה-UNIVAC החדש
14:56
that takes up an entire room that they'd just gotten at the APL.
371
881000
3000
שתופס את כל החדר, שהם רק קיבלו לא מזמן במעבדה.
14:59
They run some more of the numbers, and at the end of about three or four weeks,
372
884000
3000
הם עושים עוד כמה חישובים, ובסיום כ-3 או 4 שבועות,
15:02
turns out they have mapped the exact trajectory
373
887000
3000
מתברר שהם מיפו את המסלול המדוייק
15:05
of this satellite around the Earth,
374
890000
2000
של לוויין זה סביב כדור-הארץ,
15:07
just from listening to this one little signal,
375
892000
2000
רק על-ידי האזנה לאות יחיד זה,
15:09
going off on this little side hunch that they'd been inspired to do
376
894000
3000
כאשר מה שדחף אותם זו רק תחושה קטנה ושולית
15:12
over lunch one morning.
377
897000
3000
שהתעוררה אצלם בוקר אחד בארוחה.
15:15
A couple weeks later their boss, Frank McClure,
378
900000
3000
כמה שבועות אחר-כך, הבוס שלהם, פראנק מק'קלור,
15:18
pulls them into the room and says,
379
903000
2000
מזמין אותם לחדרו ואומר,
15:20
"Hey, you guys, I have to ask you something
380
905000
2000
"ברצוני לשאול אתכם משהו
15:22
about that project you were working on.
381
907000
2000
על הפרויקט שאתם עובדים עליו.
15:24
You've figured out an unknown location
382
909000
2000
גיליתם מיקום שלא היה ידוע
15:26
of a satellite orbiting the planet
383
911000
3000
של לוויין החג סביב כדור-הארץ,
15:29
from a known location on the ground.
384
914000
2000
באמצעות מיקום ידוע על הקרקע.
15:31
Could you go the other way?
385
916000
2000
האם תוכלו לעשות את ההיפך?
15:33
Could you figure out an unknown location on the ground,
386
918000
2000
האם תוכלו לגלות מיקום לא ידוע על הקרקע,
15:35
if you knew the location of the satellite?"
387
920000
3000
אם אתם יודעים את מיקום הלוויין?"
15:38
And they thought about it and they said,
388
923000
2000
והם חשבו ואמרו,
15:40
"Well, I guess maybe you could. Let's run the numbers here."
389
925000
3000
"ייתכן וזה אפשרי. בוא נריץ כמה מספרים."
15:43
So they went back, and they thought about it.
390
928000
2000
הם חזרו למעבדה וחשבו על הנושא.
15:45
And they came back and said, "Actually, it'll be easier."
391
930000
2000
ואז הם באו אליו ואמרו, "בעצם, זה יהיה אפילו יותר קל."
15:47
And he said, "Oh, that's great.
392
932000
2000
והוא אמר, "זה נהדר.
15:49
Because see, I have these new nuclear submarines
393
934000
3000
כי אתם מבינים, יש את הצוללות הגרעיניות החדשות
15:52
that I'm building.
394
937000
2000
שאני בונה עכשיו.
15:54
And it's really hard to figure out how to get your missile
395
939000
3000
וזה קשה למצוא כיצד להציב את הטילים
15:57
so that it will land right on top of Moscow,
396
942000
2000
כך שהם יפלו בדיוק על מוסקבה,
15:59
if you don't know where the submarine is in the middle of the Pacific Ocean.
397
944000
3000
אם לא יודעים היכן בדיוק נמצאות הצוללות באוקיינוס השקט.
16:02
So we're thinking, we could throw up a bunch of satellites
398
947000
3000
אז אנו חושבים על זה שאולי נוכל לפזר כמה לוויינים בחלל
16:05
and use it to track our submarines
399
950000
3000
ולהשתמש בחישובים שלכם כדי לעקוב אחר הצוללות שלנו
16:08
and figure out their location in the middle of the ocean.
400
953000
2000
ולמצוא את מיקומן באוקיינוס.
16:10
Could you work on that problem?"
401
955000
2000
האם תוכלו לעבוד על הבעיה?"
16:12
And that's how GPS was born.
402
957000
3000
וכך נולד ה-GPS.
16:15
30 years later,
403
960000
2000
30 שנה יותר מאוחר,
16:17
Ronald Reagan actually opened it up and made it an open platform
404
962000
3000
רונלד רייגן למעשה פתח אותו והפך אותו לפלטפורמה פתוחה
16:20
that anybody could kind of build upon
405
965000
2000
כך שכל אחד יכול היה לבנות עליה
16:22
and anybody could come along and build new technology
406
967000
3000
וכל אחד יכול היה לבוא ולבנות טכנולוגיה חדשה
16:25
that would create and innovate
407
970000
2000
שתיצור ותחדש
16:27
on top of this open platform,
408
972000
2000
על-גבי פלטפורמה פתוחה זו,
16:29
left it open for anyone to do
409
974000
2000
שהושארה פתוחה לכל אחד
16:31
pretty much anything they wanted with it.
410
976000
2000
כדי שיעשה כמעט כל מה שבא לו.
16:33
And now, I guarantee you
411
978000
2000
ועכשיו, אני מתערב איתכם,
16:35
certainly half of this room, if not more,
412
980000
2000
שבטוח מחצית האולם הזה, אם לא יותר,
16:37
has a device sitting in their pocket right now
413
982000
2000
יש להם מכשיר בתוך כיסם ממש עכשיו
16:39
that is talking to one of these satellites in outer space.
414
984000
3000
שמשוחח עם אחד הלוויינים הללו בחלל החיצון.
16:42
And I bet you one of you, if not more,
415
987000
3000
ואני מתערב איתכם שאחד מכם, אם לא יותר,
16:45
has used said device and said satellite system
416
990000
3000
השתמש במכשיר הנ"ל ובלוויין הנ"ל
16:48
to locate a nearby coffeehouse somewhere in the last --
417
993000
3000
כדי לאתר בית-קפה בקרבת מקום --
16:51
(Laughter)
418
996000
2000
(צחוק)
16:53
in the last day or last week, right?
419
998000
3000
ביממה או בשבוע האחרון, נכון?
16:56
(Applause)
420
1001000
3000
(מחיאות כפיים)
16:59
And that, I think,
421
1004000
2000
וזה, אני סבור,
17:01
is a great case study, a great lesson
422
1006000
3000
לקח מצויין ממקרה יחיד,
17:04
in the power, the marvelous, kind of unplanned
423
1009000
2000
על הכוח, הנהדר, משהו לא מתוכנן,
17:06
emergent, unpredictable power
424
1011000
3000
עוצמה הצומחת מבלי שניתן לחזותה מראש,
17:09
of open innovative systems.
425
1014000
2000
של מערכות חדשניות פתוחות.
17:11
When you build them right, they will be led to completely new directions
426
1016000
2000
אם בונים אותן נכון, הן יובילו לכיוונים חדשים לגמרי
17:13
that the creators never even dreamed of.
427
1018000
2000
שיצרניהן אף פעם לא חלמו עליהם.
17:15
I mean, here you have these guys
428
1020000
2000
כלומר, יש לכם את האנשים הללו
17:17
who basically thought they were just following this hunch,
429
1022000
2000
שחשבו תחילה שהם רק הולכים אחר תחושה,
17:19
this little passion that had developed,
430
1024000
2000
התשוקה הקטנה שהם פיתחו,
17:21
then they thought they were fighting the Cold War,
431
1026000
2000
אחר-כך הם חשבו שהם לוחמים את ה"מלחמה הקרה",
17:23
and then it turns out they're just helping somebody
432
1028000
2000
ואז התברר שהם רק מסייעים למישהו
17:25
find a soy latte.
433
1030000
2000
למצוא איזה גרגיר נעלם.
17:27
(Laughter)
434
1032000
2000
(צחוק)
17:29
That is how innovation happens.
435
1034000
2000
כך נוצרים חידושים.
17:31
Chance favors the connected mind.
436
1036000
2000
הזדמנויות נוטות חסד לנפשות ומוחות מקושרים.
17:33
Thank you very much.
437
1038000
2000
תודה רבה לכם.
17:35
(Applause)
438
1040000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Steven Johnson - WriterSteven Berlin Johnson examines the intersection of science, technology and personal experience.
Why you should listen
Steven Johnson is a leading light of today's interdisciplinary and collaborative approach to innovation. His writings have influenced everything from cutting-edge ideas in urban planning to the battle against 21st-century terrorism. Johnson was chosen by Prospect magazine as one of the top ten brains of the digital future, and The Wall Street Journal calls him "one of the most persuasive advocates for the role of collaboration in innovation."
Johnson's work on the history of innovation inspired the Emmy-nominated six-part series on PBS, "How We Got To Now with Steven Johnson," which aired in the fall of 2014. The book version of How We Got To Now was a finalist for the PEN/E.O. Wilson Literary Science Writing Award. His new book, Wonderland: How Play Made the Modern World, revolves around the creative power of play and delight: ideas and innovations that set into motion many momentous changes in science, technology, politics and society.
Johnson is also the author of the bestselling Where Good Ideas Come From: The Natural History of Innovation, one of his many books celebrating progress and innovation. Others include The Invention of Air and The Ghost Map. Everything Bad Is Good For You, one of the most discussed books of 2005, argued that the increasing complexity of modern media is training us to think in more complex ways. Emergence and Future Perfect explore the power of bottom-up intelligence in both nature and contemporary society.
An innovator himself, Johnson has co-created three influential sites: the pioneering online magazine FEED, the Webby-Award-winning community site, Plastic.com, and the hyperlocal media site outside.in, which was acquired by AOL in 2011.
Johnson is a regular contributor to WIRED magazine, as well as the New York Times, The Wall Street Journal and many other periodicals. He has appeared on many high-profile television programs, including "The Charlie Rose Show," "The Daily Show with Jon Stewart" and "The NewsHour with Jim Lehrer."
Steven Johnson | Speaker | TED.com